ナレッジライブラリ

このノートブックでは、LightGBMのリターン予測モデルを調整するために、全組み合わせを調べるグリッド探索とOptunaのTPEサンプラーを比較します。まず、どちらの方法にも同じ離散パラメータグリッド上で同じ試行予算を与えます。列挙ではすべての組み合わせを調べますが、サンプリングでは同じ点を再び試す場合があります。次に、固定グリッドでは表せない連続パラメータ空間を検討します。この比較では、探索空間が許す範囲とサンプリング手法が見つけられる範囲を分けて考えます。…

このノートブックでは、情報係数、分位点リターン、上位から下位までのスプレッド、分類診断を使って、横断モメンタム因子を評価します。スピアマンのICを、シグナルとその後のリターンの日時点ごとの順位相関として紹介し、すべての日付と資産の観測値をまとめた相関と区別します。まとめた場合のICにはリターンの時間変化も反映されるため、2つの方法の結果は異なることがあります。また、補完的な診断としてICIR、有意性指標、分位点の単調性、売買回転率、シグナルの減衰も説明します。…

この事例研究では、上場オプションの情報がS&P 500銘柄の選択に役立つかを調べます。2017から2021までの633銘柄を対象に、日次株価と、オプションが示唆するボラティリティ水準、スキュー、期間構造、分散リスクプレミアム指標を組み合わせます。オプション特徴量にはラグを設け、金曜日のデータでポートフォリオを選び、翌週月曜日の寄り付きから取引を始めます。研究ワークフローでは、リターンのラベル付け、特徴量の構築、複数のモデル群、ポートフォリオ配分、リスク制御、取引コスト、後続期間での評価を扱います。…

この設定では、レジームフィルタリングとクロスアセット分析に使う、FREDの過去のマクロ経済データを指定します。系列を日次、週次、月次、四半期ごとに整理しており、国債利回り、フェデラルファンド金利、VIX、労働関連指標、物価指数、鉱工業生産、マネーサプライ、名目および実質GDPを含みます。また、説明用の名称を列挙し、国債の満期から導出するイールドカーブ・スプレッドを定義します。…

このモジュールでは、モデルのリクエスト、予測とバックテストの実行、候補プール、最終選択を含む、CME先物研究の読者向けワークフローを定義します。共有設定宣言から設定済みのラベル探索を読み込み、宣言された順序を保ち、要求されたモデル設定が各ラベルに存在するか確認します。研究の構築では、標準実行と縮小版のプレビュー実行を区別し、プレビュー出力が標準の母集団構成要素として扱われないよう実行情報を付与します。…

このノートブックでは、最大順行幅（MFE）と最大逆行幅（MAE）を使い、観測された価格経路に基づいてトリプルバリア・ラベルの幅を設定します。ローソク足の終値でポジションを建てた場合、次のバーから始まる将来の保有期間における最も有利な値動きと最も不利な値動きを測ります。ロングとショートでは定義が逆になります。また、真の値幅とワイルダー平滑化を用いる平均真の値幅を説明し、ボラティリティに応じてバリア幅を調整する方法を示します。…

この分析では、モデルを適合したり予測を行ったりする前に、データが暗号資産無期限契約の横断戦略を支えられるかを検討します。提案する方法は、各資金調達決済時点でプレミアムに基づき契約を順位付けし、順位の片側を買い、もう片側を売ります。このノートブックでは、判断時点で十分な数の契約が上場しているか、一般的な値動きで取引所手数料を賄えそうか、系列相関を考慮した後に独立した履歴がどれだけ残るかを確認します。開発期間を使い、指定されたホールドアウトは読み取りません。…

このノートブックでは、ETF株式戦略の運用サイクルを実演します。市場データを更新し、金融特徴量を計算し、Ridgeモデルを再学習して、最新の横断的予測を生成します。それらをバックテストエンジンで再生し、上位銘柄のバスケットをペーパーブローカー向けに準備します。正則化の設定はリサーチレジストリから取得し、固定された設定と照合します。オフライン再生から基準となる取引記録を作成し、保存された実行記録では予定、試行、受理、失敗した注文を追跡します。…

この文書では、シグナル選択とポジションサイズを切り分けるためのFXポートフォリオ配分探索について説明します。検証バックテストの成績で順位付けした、凍結済みの等ウェイト基準候補から始め、各モデルのチェックポイントとシグナルの対応関係を保ちながら設定を進めます。予測、選択済みペア、取引コスト、執行前提は固定したまま、配分ルールを変えます。結果の各戦略仕様を基準と照合し、配分以外の項目への変更は拒否します。…

この文書では、数値とカテゴリが混在する金融データの行をテキストにシリアライズし、そのレコードで言語モデルをファインチューニングして、生成テキストを再び表に変換するフレームワークGReaTを紹介します。例では、過去のリターン、ボラティリティ、出来高、方向またはレジームを示すカテゴリラベルからETF特徴量を作り、将来リターンを目的変数とします。合成レコードをホールドアウトした実データと比較し、合成データで学習して実データでテストする評価による下流利用も論じます。…

この文書では、モデルの不確実性が点推定値を超える情報をもたらす仕組みを説明します。過去のリターンからボラティリティを定義するGARCHと、ボラティリティを潜在的な自己回帰過程として扱い、リターンをスチューデントのt分布でモデル化する確率的ボラティリティモデルを対比します。事後分布の広がりは、持続性、ボラティリティの動態、裾の挙動の推定値とともに、時間変化する特徴量として利用できます。…

この横断的な分析では、情報係数（IC）で測定した予測情報が、9つのトレード事例でポートフォリオのシャープレシオにどう結び付くかを調べます。中心となる点は、実装がこの関係を左右するということです。エントリー規則、ポジションサイズ、リバランス頻度、取引コストによって、シグナルの順位付け能力が戦略のパフォーマンスにつながるかが決まります。同じ選択済み設定について、ホールドアウトのICとホールドアウトのシャープレシオを比較し、検証期間とホールドアウト期間のシャープレシオも比較します。また、ICで首位のモデル群がシャープレ…

このノートブックは、幅広いUS株式パネルの共通変動を表現するために、主成分分析を使います。PCAはリターンの共通変動を説明する方向を抽出し、各銘柄の負荷量は各方向へのエクスポージャーを測ります。限られた数の因子から再構成した予測は、銘柄固有の情報を捨てる一方で、パネルと共通する株価の動きを捉えます。将来のリターンを因子推定に使わないよう、各ウォークフォワード学習フォールド内で因子を適合し、その後、検証行に適用します。…

このノートブックは、文書に基づく金融アシスタントのセキュリティ規則を、手作業で作成した6つのケースで評価します。ケースには、プロンプトインジェクション、信頼できない資料中の捏造された数値、実行を試みる操作、取得されていない内容への引用が含まれます。取得内容を無差別に使うベースラインと、フレーズベースのインジェクション検知に信頼性フィルタリングと証拠確認を組み合わせた防御ポリシーという、2つの回答ポリシーを比較します。…

このノートブックは、検証で既に選ばれたFXの設定を再学習し、後続のホールドアウトバックテストに向けて予測を登録します。凍結された候補セットに限定して、破綻していない検証バックテストから選択を解決し、選ばれたモデルの変更不可な検証仕様から学習仕様を再構築します。ホールドアウト期間は選択されたラベルの観測タイムラインに従い、ラベルの結果が評価期間に入り込まないよう、十分な幅の学習バッファを設けます。…

このノートブックでは、過去のリターン特徴量の系列からETFの将来リターンを予測する時間畳み込みネットワーク（TCN）を紹介します。因果畳み込みにより、各出力がその日までの観測値だけを使うようにします。また、拡張率を指数関数的に増やし、入力ウィンドウ内で受容野を広げます。残差接続は層の深い構成を支え、ブロック設計には重み正規化とチャネルドロップアウトも含みます。モデルはゼロ予測に対する二乗誤差とクロスセクション順位相関を使って、Ridge回帰のベースラインと比較します。…

この事例研究では、CME先物の複数のポジションサイズ手法を等ウェイトのベースラインと比較します。逆ボラティリティ方式では各コントラクト固有のボラティリティを使い、共分散ベースの方式では商品間の関係も考慮します。これらの方法は分散投資を改善する可能性がありますが、限られた履歴からより多くの量を推定する必要があり、ノイズが増幅されることもあります。ノートブックでは強いシグナル設定を候補リストに絞り、各判断より前に利用可能な価格履歴を使って、宣言済みの配分方法を適用します。…

このノートブックでは、個別の満期先物から連続した先物価格履歴を構築する方法を説明します。取引高を使って期近限月を特定し、不自然な切り替えを避けるためロールバックを禁止する制約を適用したうえで、暦日ベースのロール時期と実際の取引活動を比較します。データ上の注意点として、単独の先物とカレンダースプレッドを分けること、コントラクトのシンボルに完全な年が含まれていない場合があること、構築した系列とベンダー系列を比較する前にバーの頻度を揃えることも挙げています。…

このノートブックでは、学習済みのGJR-GARCHモデルと隠れマルコフモデルから、先読みバイアスを抑えた取引特徴量を作る方法を説明します。GJR-GARCHは条件付きボラティリティを推定し、負のリターンショックの影響がより大きいことを捉えます。2状態のガウスHMMは、クロスセクションのファンディング決済額から市場局面をモデル化し、ストレス確率のフィルター済み値を出します。両モデルは過去データを拡張しながら所定の頻度で再学習し、検証中はパラメータを固定します。初期のバーンイン期間では特徴量を使いません。…

このノートブックでは、ビットコイン無期限先物の極端なプレミアムについて、プレミアム状態が将来リターンを予測するか、またはその後のプレミアム回帰を予測するかという2つの因果的な問いを比較します。処置変数は、プレミアムのzスコアが指定の閾値を超えたことを示す二値指標です。設計では過去のリターンとボラティリティを制御変数として使い、結果は将来の値で測定します。両方の結果について、同じ調整変数と検証チェックで効果を推定します。…

このUS株式パネル研究では、引け時点で観測した特徴量から将来リターンを予測するベースラインとして、ペナルティ付き線形モデルを使います。重複するモメンタム指標とボラティリティ指標が多重共線性を生み、通常の最小二乗法の係数を不安定にする場合があります。係数を縮小するRidge、係数をゼロにできるLasso、両方のペナルティを組み合わせるElastic Netを比較します。ペナルティ強度のグリッドを使い、複数のウォークフォワード・フォールドとリターン期間で正則化が検証情報係数に与える影響を測定します。…

このノートブックでは、計測付き主成分分析（IPCA）を説明します。各株式のファクター・エクスポージャーを、同日のオプション市場面の特徴量の共通線形関数として表し、共通ファクターを推定します。特徴量にはインプライド・ボラティリティ、プット・コール・スキュー、期間構造の傾き、インプライド分散と実現分散が含まれます。交互最小二乗法で特徴量からエクスポージャーへの写像とファクターリターンを推定し、リターン履歴からエクスポージャーを求め、均衡パネルを必要とする通常のPCAと比較します。…

この探索的分析では、20通貨ペアを対象とする4時間足のOANDAデータセットを調べます。出来高フィールドが集計された取引量ではなく、単一取引所での気配値更新回数を数えているため、市場全体の流動性順位付けには使えないことを説明します。また、USドルが基軸通貨、決済通貨、または含まれない通貨ペアに分類し、ドルの強さを解釈するために価格を反転すべき場合を明らかにします。…

この文書では、先物キャリーから作る3つのモデルベース特徴量を説明します。翌セッションのキャリーを予測するARIMA、選択した周期長のローリング・フーリエ指標、平均キャリーから市場局面を推定する2状態の隠れマルコフモデルです。中心的な教訓は時間の扱いです。推定パラメータは過去の観測値だけで学習し、宣言したスケジュールで更新して、次の再学習までは固定する必要があります。隠れマルコフモデルのフィルター済み状態確率は、後のデータを使わず、現在と過去の観測値を用います。特徴量を将来の観測値で推定していれば、ウォークフォワー…